Klasifikasi Citra Menggunakan Metode Random Forest dan Sequential Minimal Optimization (SMO)

Abstract

Klasifikasi bertujuan untuk memisahkan antara jenis-jenis kategori dan label yang telah dibuat. Didalam penelitian ini kami mecoba mengklasifiaksi citra bunga dengan menggunakan proses segmentasi. Segmentasi ini kami gunakan untuk menghilangkan noise yang ada didalam background. Selain itu untuk mendapatkan fitur dari gambar yang kami klasifikasi. Fitur yang kami gunakan adalah eccentricity, perimeter, metric dan area. Setal itu kami proses sehingga mendapatkan nilai. Kami menggunakan 120 gambar dari dataset 17flower dengan 2 jenis bunga berwarna putih dan kuning. Kemudian kami bagi menjadi data training dan data test dengan metode klasifikasi Random forest dan SMO yang diolah dengan skenario 10-fold cross-validation dan 66% split. Hasilnya adalah metode Random forest memiliki akurasi yang terbaik dengan 2 skenario yang berbeda dibandingkan dengan SMO.